[发明专利]目标重识别方法及装置、电子设备和存储介质

权利要求书

1.一种目标重识别方法，其特征在于，包括：

通过目标重识别网络，对目标图像进行特征提取，得到所述目标图像对应的第一特征，其中，所述目标重识别网络是基于图卷积网络进行辅助训练得到的；

将所述第一特征与特征库中包括的多个第二特征进行特征匹配，得到所述目标图像对应的识别结果，其中，所述多个第二特征是通过所述目标重识别网络，对多个参考图像进行特征提取后得到的。

2.根据权利要求1所述的方法，其特征在于，所述目标重识别网络的训练样本中包括N个样本图像；

所述目标重识别网络的训练方法如下：

通过所述目标重识别网络对所述N个样本图像进行图像处理，得到每个所述样本图像对应的第三特征；

通过所述图卷积网络对所述N个样本图像进行图像处理，得到每个所述样本图像对应的第四特征；

根据每个所述样本图像对应的所述第三特征和所述第四特征，确定第一网络损失；

根据所述第一网络损失，优化所述目标重识别网络。

3.根据权利要求2所述的方法，其特征在于，所述通过所述图卷积网络对所述N个样本图像进行图像处理，得到每个所述样本图像对应的第四特征，包括：

通过所述图卷积网络对所述N个样本图像进行分层特征提取，得到每个所述样本图像对应的第一局部特征和第二局部特征；

对每个所述样本图像对应的所述第一局部特征和所述第二局部特征进行融合，得到每个所述样本图像对应的所述第四特征。

4.根据权利要求2或3所述的方法，其特征在于，所述第一网络损失包括第一损失；

所述根据每个所述样本图像对应的所述第三特征和所述第四特征，确定第一网络损失，包括：

根据每个所述样本图像对应的所述第三特征，对所述N个样本图像进行分类，确定每个所述样本图像对应的第一分类预测结果；

根据每个所述样本图像对应的所述第四特征，对所述N个样本图像进行分类，确定每个所述样本图像对应的第二分类预测结果；

根据每个所述样本图像对应的所述第一分类预测结果和所述第二分类预测结果，确定所述第一损失。

5.根据权利要求4所述的方法，其特征在于，所述根据每个所述样本图像对应的所述第四特征，对所述N个样本图像进行分类，确定每个所述样本图像对应的第二分类预测结果，包括：

根据每个所述样本图像对应的所述第四特征，确定每个所述样本图像对应的初始特征连通图；

利用所述图卷积网络，对每个所述样本图像对应的初始特征连通图，进行特征聚合，得到每个所述样本图像对应的聚合后特征；

根据每个所述样本图像对应的聚合后特征，对所述N个样本图像进行分类，确定每个所述样本图像对应的所述第二分类预测结果。

6.根据权利要求2至5中任意一项所述的方法，其特征在于，所述第一网络损失包括第二损失；

所述根据每个所述样本图像对应的所述第三特征和所述第四特征，确定第一网络损失，包括：

根据每个所述样本图像对应的所述第三特征，确定每个所述样本图像对应的第一目标特征连通图；

根据每个所述样本图像对应的所述第四特征，确定每个所述样本图像对应的第二目标特征连通图；

根据每个所述样本图像对应的所述第一目标特征连通图和所述第二目标特征连通图，确定所述第二损失。

7.根据权利要求4至6中任意一项所述的方法，其特征在于，所述根据所述第一网络损失，优化所述目标重识别网络，包括：

通过所述第一损失和/或所述第二损失，优化所述目标重识别网络。